- 博客(2)
- 收藏
- 关注
RSS订阅原创 几个比较经典的CNN简要比较分析
由于在上述Vgg中存在难以进一步深入学习的问题，于是就有人（何恺明）在前人基础上提出了Resnet，创新点主要在于引入了残差块（Residual Block）和跳跃连接（Skip Connection），以解决上述问题。由图也能看到，从18层已经可以到152层了。AlexNet包含8层，前5层里面都是卷积层和最大池化层的混搭，最后3层是全连接层。除最后一层外，网络被分成两个副本，分别运行在一个GPU上。为残差，在训练过程中可以直接调为0，就约等于跳过这个块了。D为Vgg16，E为Vgg19，如下表。
2024-02-26 20:39:09
920
原创 CNN(Convolutional Neural Networks)基础知识大致总结
上述为一个通道（channel）上进行的操作，像图这样的一般来说就是RGB三个通道，一次卷积中有几个通道就有几个卷积核，且一次卷积中卷积核长宽应一致。计算池化窗口内平均值作为输出，不过比max用的更少，因为他准确度没有max好，（这俩对算力的要求哪个大？传统输入为直接的向量，直接一列，一个特征，而CNN不会，CNN会将输入的h×w×c的样本进行提取特征。由输入层，卷积层（提取特征），池化层（压缩特征），全连接层组成。挂在卷积层后面，每个卷积层后面挂一个，常见的用在CNN里面的有。各有优劣，这里不再赘述。
2024-02-26 20:33:12
818
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人